Rutas hidrológicas : recordando a un colega por los senderos de la hidrología

R ECORDANDO A UN COLEGA POR LOS SENDEROS DE LA HIDROLOGÍA R UTAS H IDROLÓGICAS 74 o inferior, siendo Ayala et al. (2014) los únicos que habían incluido, hasta hace poco, mediciones con espaciamientos en ese rango (> 60 m). Recientemente, Shaw et al. (2020) presentaron por primera vez mediciones de altura de nieve a alta resolución (1-m) con tecnología lidar ( Light Detection and Ranging ) en un sub-dominio de 0,74 km 2 ubicado dentro de la cuenca del río Yeso. Si bien se documentó la relación de esta variable con la elevación, pendiente y ángulo de orientación, el objetivo principal fue la validación de productos satelitales Pléiades a una resolución horizontal de 4 m. A pesar de su reciente aparición y limitado uso para estudiar la criósfera en Chile, la tecnología lidar ha sido ampliamente utilizada para estudiar la nieve y los glaciares en el mundo durante las últimas dos décadas debido a la innegable ventaja de entregar millones de mediciones en un intervalo de tiempo bastante acotado (Deems et al. , 2013; Currier et al. , 2019). Entre las numerosas investigaciones que la literatura reporta, destacan aquellas iniciativas orientadas a (1) explorar su modelamiento estadístico (e.g., López-Moreno et al. , 2015), y (2) detectar patrones de escalamiento (e.g., Fassnacht y Deems, 2006), con el fin último de guiar la configuración espacial de modelos numéricos para la simulación de la acumulación y el derretimiento nival. Dentro del primer grupo, destacan las contribuciones de Helbig et al. (2015) y Skaugen y Melvold (2019), quienes compararon la bondad de ajuste de las distribuciones normal, lognormal y gamma para la distribución de la altura de nieve, reportando la inferioridad de la distribución lognormal con respecto a la función gamma. Esta conclusión alerta sobre los riesgos de tomar decisiones subjetivas (e.g., Cortés et al. , 2016) para representar implícitamente la variabilidad espacial dentro de cada unidad de modelación (e.g., celda rectangular, banda de elevación). Dentro del segundo grupo de estudios – escalamiento espacial– se ha generado suficiente evidencia sobre el comportamiento fractal (i.e., autosimilar) de la altura de nieve, dentro de un rango que va desde uno a decenas de metros (e.g., Deems et al. , 2006; Trujillo et al. , 2007, 2009; Mott et al. , 2011) y que, además, puede persistir de un año a otro (Deems et al. , 2008; Schirmer y Lehning, 2011; Helfricht et al. , 2014; Clemenzi et al. , 2018; Mendoza et al. , 2020). El término ‘fractal’ (acuñado por Mandelbrot, 1977) es típicamente reservado para describir objetos cuyas componentes preservan tanto la forma como las propiedades del conjunto, y cuya geometría es tan compleja que no puede ser descrita sólo a través de dimensiones Euclideanas (i.e., D = 1,2,3). La Hidrología es una de las primeras ramas de las ciencias de la Tierra en que se aplicó la noción de fractal, comenzando con los estudios de caudal en el río Nilo (Hurst, 1951), y siguiendo con aplicaciones en Hidrología operacional (Mandelbrot y Wallis, 1968, 1969). En el área de Hidrología de Nieve, el concepto de dimensión fractal (Mandelbrot, 1977, 1982) ha sido útil para cuantificar el grado de complejidad o ‘rugosidad’ de la superficie del manto nival en distintos rangos de escalas espaciales. En términos prácticos, la detección de un comportamiento fractal para dicho rango indica que el conjunto de procesos físicos que define el ordenamiento espacial del manto nival se preserva y, por lo tanto, cualquier escala de modelo dentro de ese rango de distancias puede ser utilizado para simular dichos procesos (Trujillo et al. , 2007). Hasta la fecha, se han reportado casos de dominios en que la altura de nieve muestra autocorrelación espacial hasta cierto quiebre de escala, seguido de comportamiento aleatorio o indefinido (e.g., Shook y Gray, 1996; Mendoza et al. , 2020) o de patrón autosimilar, con un valor de dimensión fractal mayor (e.g., Deems et al. , 2008; Schirmer y Lehning, 2011; Clemenzi et al. , 2018). El presente artículo pretende homenajear las contribuciones del Profesor Ernesto Brown a las Ciencias Hidrológicas, mediante la presentación de los primeros análisis de mediciones de altura de nieve con datos lidar en los Andes extratropicales, con énfasis en la distribución altitudinal, modelamiento estadístico y posible comportamiento fractal. Los resultados presentados aquí ponen en relieve la importancia del estudio detallado y de la comprensión de los fenómenos que determinan el comportamiento hidrológico revelado a partir de datos de terreno. En esta búsqueda de entendimiento, buscamos seguir la huella de Ernesto Brown, quien siempre buscó la versión más completa posible de la “historia” relatada por las mediciones hidrológicas. Z ONAS DE ESTUDIO Y DATOS En este artículo, se analizan mediciones lidar tomadas en cuatro subdominios ubicados en la cabecera de tres cuencas experimentales de Chile Central (Figura 1): (i) Tascadero (-31,26°N; -70,53°E), en cuenca del río Limarí, (ii) Las Bayas (-33,31°N; -70,25°E), en la cuenca del río Maipo, y (iii) Valle Hermoso (VH, - 36,91°N; -71,40°E), ubicada en la cuenca del río Itata. El emplazamiento latitudinal de estos subdominios sigue un gradiente hidroclimático de norte a sur, con una precipitación media anual (promedio de invierno) de 262,1 mm (192,2 mm) en Tascadero, 385,6 mm (260,5 mm) en las Bayas, y 1816 mm (1041,1 mm) en Valle Hermoso (periodo 2000-2018). En este último subdominio, se han definido dos sitios para escaneos: VH oeste (0,34 km 2 ), con una menor elevación (1650- 1.850 m s.n.m.) y presencia de arbustos pequeños, y VH este (0,57 km 2 ), con una elevación de terreno > 2.000 m s.n.m. y ausencia total de vegetación, al igual que Tascadero (0,68 km 2 ) y Las Bayas (1,05 km 2 ). Por lo tanto, los cuatro subdominios escogidos ofrecen la posibilidad de contrastar resultados según la hidroclimatología y la presencia de cubierta vegetal. En cada subdominio, se adopta el mismo procedimiento para derivar mapas de altura de nieve a partir de mediciones lidar . Todos los datos fueron adquiridos con